通过级联多模态架构将代码结构图对齐到大模型表征中

魔搭社区大模型生图API可视化UI

在知识爆炸、信息过载的时代，如何洞悉 AI 领域前沿趋势？OpenMMLab 联合 Hugging Face、ModelScope、知乎及机智流等重磅推出 AI Insight Talk

魔搭ModelScope本期社区进展：1173个模型,143个数据集,76个创新应用,10 篇内容

近年来，人工智能快速发展，大语言模型（LLM）在数学、代码等领域展现出强大的推理和生成能力，正在被广泛应用于各种场景。

生成式模型在文本生成图片等领域的快速发展，为社区带来了日新月异的诸多文生图模型。

这是一套用于获取淘宝、京东和1688电商平台数据的Python实现方案。通过定义统一的API基类，封装了请求流程与异常处理机制，包括请求超时、频率限制及认证失败等。针对各平台特性，分别实现了签名生成、参数准备与接口调用功能，如商品搜索、详情查询和订单列表获取等。使用前需申请各平台开发者账号以获取AppKey和AppSecret，并根据实际需求调整代码配置与业务逻辑，同时注意控制请求频率避免限流。

《人工智能导论——深度学习大模型基础》由赵卫东编著，清华大学出版社出版。本书旨在帮助读者理解深度学习与大模型技术的底层逻辑，通过机器视觉、语音处理及自然语言处理等章节，结合实际应用场景，深入浅出地讲解相关理论。书中引入低代码开发平台和云端实验室资源，助力读者实践所学。无论专业背景如何，本书都能成为进入AI领域的理想入门书籍。特别感谢阿里云及参与编校工作的同学们的支持。

本文介绍了在通义点金平台搭建知识库时遇到的表格解析问题及解决方案。问题表现为表格数据被独立存储为chunk，缺少前后说明文字和表名信息，导致大模型回答错乱。解决方法是通过API将前后chunk内容合并到table类型的chunk中，补充表名和说明信息。具体步骤包括获取文档chunk列表、按顺序排序、修订table类型chunk并更新。示例展示了修订前后效果，同时说明了点金平台近期更新对部分问题的优化情况。

“一丹一世界”三等奖 |咖菲猫咪_商业海报案例分享

上海人工智能实验室开源了生成式世界模型AETHER，该模型仅用合成数据训练，却能在真实环境中展现强大的零样本泛化能力。AETHER首创「重建—预测—规划」一体化框架，融合几何重建与生成建模，大幅提升模型在动态环境中的决策、规划和预测能力。其核心技术包括目标导向视觉规划、4D动态重建和动作条件视频预测，实验结果表明其性能达到或超越现有SOTA水平。论文、模型及项目主页均已开源。

近日，趣丸千音（All Voice Lab）MCP正式首发上线魔搭社区。用户只需简单文本输入，即可调用视频翻译、TTS语音合成、智能变声、人声分离、多语种配音、语音转文本、字幕擦除等多项能力。

AgentScope 作为一款功能强大的开源多智能体开发框架，为开发者提供了智能体构建、工具使用、多智能体编排等全方位支持。

面壁智能重磅推出MiniCPM 4.0 ——一个极致高效的端侧大模型，通过其 CPM.cu 自研推理框架，可实现220倍极致的速度提升，5 倍常规提速。

开赛啦！AFAC2025金融智能创新大赛正式启动，等你来报名

今天，小米开源发布两款 7B 规模视觉-语言模型 MiMo-VL-7B-SFT 和 MiMo-VL-7B-RL。

近期，字节跳动Seed推出了 BAGEL—— 一个开源的多模态理解和生成础模型，具有70亿个激活参数（总共140亿个），并在大规模交错多模态数据上进行训练。

今天，DeepSeek R1 开源发布了其“小版本”升级——DeepSeek-R1-0528。

书生大模型实战营第5期已正式启动，本期实战营新增「论文分类打榜赛」，以帮助学员更好地掌握大模型技能。

周五，首期"搭友来碰头"——魔搭核心开发者共创会在 [杭州·阿里巴巴云谷园区] 圆满落幕。来自杭州、上海、南京、北京等各地的魔搭社区核心开发者齐聚一堂，共同探索从模型开源到技术突破的转化路径。

魔搭ModelScope本期社区进展：📟3790个模型，📁307个数据集，🎨90个创新应用，📄 7 篇内容

DeepSeek-R1的爆火让更多开发者注意到模型蒸馏技术——这种让小模型也能"开小灶"习得大模型知识精华的秘诀。今天我们就用Qwen2.5-1.5B小模型（相当于AI界的初中生）来进行实践！

2025年5月6日，智源研究院在法国巴黎举行的GOSIM全球开源创新论坛上发布大型开源文本数据集CCI 4.0，为全球的大模型创新发展再次提供重要的开源资源，并积极推动全球开源合作。

最近，通义灵码上线 MCP（ModelScope Cloud Platform）功能，从之前代码生成及修改的基础功能，到可以使用MCP服务连接更多功能，开发者可以实现从 代码爬取、模型推理到应用部署

随着移动端算力、存储能力的提升，在端侧部署大模型已成为趋势。本地化运行可消除网络延迟实现毫秒响应，降低云端算力成本，同时避免数据上传保障隐私安全。

本项目是一款书法字体生成工具，采用 Next.js 14（App Router）与 Tailwind CSS 构建前端，阿里云 Serverless 部署后端。通过混合渲染策略（SSG/SSR/CSR）、Web Worker 异步计算及 CDN 字体分片加载优化性能。服务端借助阿里云函数计算处理计算密集型任务，将平均耗时从 1200ms 降至 280ms，支持 1000+ QPS。动态路由与 ARMS 监控提升工程化水平，未来计划引入 WebGPU 和 AI 字体风格迁移技术，进一步优化用户体验。

B站升级动画视频生成模型Index-AniSora技术并开源，支持番剧、国创、漫改动画、VTuber、动画PV、鬼畜动画等多种二次元风格视频镜头一键生成！

🙋魔搭ModelScope本期社区进展：📟1656个模型,151个数据集,645个创新应用,📄 9 篇内容

不知不觉间，日历已经翻过了立夏，而开源模型的世界中似乎并没有春夏秋冬。在刚刚过去的四月份，见证了开源社区又一次蓬勃发展的浪潮。以Qwen3家族为代表，一系列新模型的开源为整个生态注入了新的活力。通过全面覆盖多种规格的 dense 与 MoE 模型架构，Qwen3 首次在开源模型中引入“快思考与慢思考” 双模式的支持，获得了广大开发者的热烈欢迎，成为新一代开源大模型的标杆之作。

阶跃星辰联合光影焕像开源 3D 大模型 Step1X-3D，高保真+可控！

本文分享了构建在线图像黑白转换工具的技术实践，涵盖技术栈选择、架构设计与性能优化。项目采用Next.js提供优秀的SSR性能和SEO支持，TailwindCSS加速UI开发，WebAssembly实现高性能图像处理算法。通过渐进式处理、WebWorker隔离及内存管理等策略，解决大图像处理性能瓶颈，并确保跨浏览器兼容性和移动设备优化。实际应用案例展示了其即时处理、高质量输出和客户端隐私保护等特点。未来计划引入WebGPU加速、AI增强等功能，进一步提升用户体验。此技术栈为Web图像处理应用提供了高效可行的解决方案。

通义万相Wan2.1-VACE开源！业内首个视频编辑统一模型！附推理教程

魔搭核心开发者共创会 | 邀请函

“一丹一世界”三等奖 | 木刻时光·细密风 经验分享

OpenAI GPT-4o发布强大图片生成能力后，业界对大模型生图能力的探索向全模态方向倾斜，训练全模态模型成研发重点。

目前，大多数成功的 强化学习 工作，包括开源研究，都依赖于相对较大的基础模型，例如 32B 模型，特别是在增强代码推理能力方面。业内普遍认为在一个小模型中同时提升数学和代码能力是具有挑战性的。然而，小米MiMo研究团队相信 RL 训练的推理模型的有效性取决于基础模型固有的推理潜力。为了完全解锁语言模型的推理潜力，不仅需要关注后训练，还需要针对推理定制预训练策略。

🙋魔搭ModelScope本期社区进展：📟2341个模型，206个数据集，🎨224个创新应用，📄 15篇内容

近年来，人工智能蓬勃发展，自然语言模型（LLM）进展显著。语言模型被广泛应用于自动翻译、智能客服、甚至医疗、金融、天气等领域。而研究者们仍在不断努力，致力于提高语言模型的规模和性能。随着语言模型的蓬勃发展，评估一个语言模型的性能变得越来越重要。其中一个重要的评估指标，就是衡量语言模型的推理能力和解决数学问题的能力。

阶跃多模态再添一员：阶跃与 ACE Studio 联合开源音乐大模型 ACE-Step！

“一丹一世界”三等奖 | 灵犀共生 经验分享&浅谈AI对摄影的帮助

农业单亩价值创造的技术集成，通过系统性创新打破传统单一模式，融合现代科技与生态理念，提升资源效率、经济效益和生态价值。其核心在于技术协同，实现精准农业、智能装备和生物强化等多维联动，推动经济、生态和社会价值统一。同时，注重资源集约化与循环化利用，延伸产业链并升级价值链，从短期高产转向长期可持续发展。政策与制度创新支撑技术普惠，未来需因地制宜解决技术适配性和成本收益平衡问题，重塑农业评价体系，实现高质量发展。

“振兴链-技术集成科技小院”以技术集成与区块链为核心，推动农业现代化。通过多维度技术整合（如精准农业、物联网等），突破资源约束，最大化单亩产值；同时利用区块链确权存证，建立透明分配机制，解决传统农业中收益不均问题。技术赋能生产，制度重塑分配，实现效率与公平的平衡，助力乡村振兴与产业升级。典型场景显示，该模式可显著提升单亩价值并确保增值公平分配。

上一篇用 Qwen3+MCPs实现AI自动发小红书的最佳实践 有超多小伙伴关注，同时也排队在蹲Windows版本的教程。

近期通义实验室提出了一种AnyStory的方法，旨在实现高质量的个性化文本到图像生成，支持单个和多个主体。